基于超级电容的车客渡船能量管理策略

针对车客渡船航行过程中因推进电机需要频繁大尺度启动和制动而造成船舶电网易产生较大波动、能量管理复杂的问题,提出一种基于超级电容的车客渡船能量管理策略.采用模糊自适应(PID)控制策略对储能系统充放电进行控制,以直流母线电压为目标,通过Matlab/Simulink建立仿真模型,并搭建超级电容能量回收试验平台,验证该能量管理策略的可行性.结果表明,超级电容能对推进电机制动能量进行缓冲存储,提高能量的利用率,同时还可以减小船舶电网的波动,避免发电机组频繁调节,提高电网的安全性.     

耙吸挖泥船泥舱消能结构特性数值研究

耙吸挖泥船泥舱的消能结构对装舱溢流损失有着重要的影响。采用数值计算方法对原型、对冲和45°挑高对冲共3种泥舱模型的进流结构进行了对比研究。计算结果显示：1）与原型相比,对冲和45°挑高对冲的泥舱内部流场的旋涡分布较为集中。2）进流管路的出流扩散范围基本位于进流管路的出口附近区域。3）泥舱内其它区域的流速及湍流强度均要小于原型,尤其在溢流筒附近区域湍流强度衰减更为明显。说明对冲和45°挑高对冲结构起到了一定的消能作用,将有利于泥舱装舱过程中泥沙的沉积,达到提高装舱效率的目的。     

竖井进水箱涵段水力特性数学模型研究

竖井隧道进水段通常采用较平缓的坡度,进水流速低于5 m/s.本项目由于竖井隧道进口段位于现状垃圾体内,边坡自然坡度接近60°,为保障垃圾填埋作业安全,该工程可施工场地受限,边坡开挖范围受限.通过数学模型精准分析,采用绕流加坎消力池措施,解决消能问题,为受限条件下竖井进水的消能减速提供设计思路.     

基于自适应层次聚类的无绝缘轨道电路补偿电容故障诊断方法

针对目前无绝缘轨道电路JTC(Jointless Track Circuit)补偿电容故障诊断方法对补偿电容多故障情况检测不准确、无法充分利用历史监测数据且算法及时性不高、过度依赖于模型的情况,提出基于自适应层次聚类的JTC补偿电容故障诊断方法。通过定义相应类内类间距离判据,提出自适应层次聚类的算法流程。根据机车信号远程监测系统获取的历史监测数据,结合补偿电容故障的影响特征和规律,建立历史数据特征矩阵与样本矩阵,并提出相应的补偿电容多故障诊断策略。实验表明,本算法可以正确、有效地对补偿电容故障情况进行检测,能够提高历史监测数据的利用率。     

高速动车组自适应速度跟踪控制

针对高速动车组运行过程的非线性和参数的时变特征,将其描述为由线性自适应模型和非线性未建模动态补偿模型组成的集成模型。基于高速动车组的牵引特性曲线和线路实际运行数据,采用递推最小二乘法建立线性自适应模型。针对系统未建模动态特性,应用自适应神经模糊推理系统ANFIS(Adaptive-network-based Fuzzy Inference System)建立未建模动态补偿模型。提出基于高速动车组集成模型的运行速度自适应控制算法,实现对给定速度曲线的高精度跟踪控制,并基于CRH380A型动车组运行过程的仿真结果验证本文所提方法的有效性。     

城轨列车受电弓滑板磨耗检测技术研究

为实现城轨列车受电弓滑板磨耗的在线非接触式检测,对城轨列车受电弓滑板磨耗检测技术进行研究。提出一种基于图像处理的受电弓滑板磨耗检测方法,其步骤为:首先,对采集系统采集到的原始图像进行图像滤波,滤除原始图像中的混合噪声;然后,采用基于直方图凹度分析的自适应Canny边缘检测方法对滤波后的图像进行边缘检测,检测出图像内受电弓滑板边缘;最后,通过相机标定和曲线融合获得实际的受电弓滑板磨耗曲线,以判断受电弓滑板磨耗是否超限。试验结果表明:该方法能有效地检测出原始图像中的受电弓滑板磨耗曲线,能有效地实现城轨列车受电弓滑板磨耗的在线非接触式检测。     

认知无线电网络的基于QoS的自适应频谱分配策略

评估认知无线网络的吞吐量和干扰性能。考虑到认知无线电网络应能提供包括语音、数据、视频、图像等多种业务的服务,这些业务具有不同的服务质量(QoS)要求,引入一种基于多因素多级模糊综合评估的QoS模型。基于此模型,给出认知用户对检测到的空闲频谱的划分方法,同时为激活认知用户提出一种自适应频谱分配策略。分析认知无线电网络在频率选择性环境下的吞吐量和干扰特性。仿真结果表明,本文提出的基于QoS的自适应频谱分配策略,其平均吞吐量和干扰性能优越于一些已经存在的频谱分配算法,同时保持有较低的算法执行复杂度。     

列车运行过程的自适应模糊控制

以离线优化获得的策略对列车进行控制时,由于列车总重、线路坡道、车辆类型等不确定因素的影响,难以取得满意的效果。为此,采用自适应模糊控制方法,在总结分析基础上,充分利用现场操作人员经验,建立初始的模糊逻辑系统,以列车运行过程中的相关数据对模糊系统有关参数进行实时修正,这样,最终得到一个既能够利用专家经验信息又可以利用数据信息的自适应模糊系统,以此对离线优化所得到的控制策略进行调整,仿真研究表明,该方法可以有效消除列车总重、线路坡道、车辆类型等不确定因素对列车控制的影响,能够获得满意的效果。     

基于ANFIS的CFG桩复合地基承载力预测研究

研究目的:影响CFG桩复合地基承载力的主要因素有桩的参数、置换率、土的物理力学特性、褥垫层厚度和施工工艺等,且各因素之间存在高度复杂的非线性关系,CFG桩复合地基的承载力比较难于确定。为合理准确预测CFG桩复合地基承载力,通过研究提出基于自适应模糊神经网络的预测方法。研究结论:在分析自适应模糊神经网络原理及结构的基础上,利用减法聚类获得模糊推理规则数目,确定网络结构,建立适用于CFG桩复合地基承载力预测的自适应模糊神经网络模型。通过对实测资料的预测结果表明,自适应模糊神经网络比BP网络和最小二乘支持向量机LS_SVM模型具有更高的精度和适应性,为CFG桩复合地基承载力的判别提供了一条新的途径。     

城市轨道交通车载信号设备状态的自适应采集研究

提出一种适用于城市轨道交通车载信号ATO/ATP设备状态的自适应采集方法。相比传统的固定频率采集方法,它能够有效地减少信号采集的冗余性,减少关键信号数据的丢失。该方法通过试验的方式进行了验证。